[发明专利]基于深度学习的输电线路缺陷智能识别方法及系统

权利要求书

1.一种基于深度学习的输电线路缺陷智能识别方法，其特征在于，所述智能识别方法包括：

获取待测输电线路图像；

根据所述输电线路图像，基于多分辨率融合金字塔，确定粗粒度多分辨率层特征信息；

所述多分辨率融合金字塔，包括深度残差卷积网络、四层粗粒度特征层、及四个匹配门，且每一匹配门分别连接一层粗粒度特征层及所述深度残差卷积网络的一个阶段输出端；

根据所述输电线路图像，基于深度残差卷积网络及多分辨率融合金字塔，确定多分辨率层特征信息，具体包括：

基于深度残差卷积网络，提取所述输电线路图像的特征，得到四层参考特征图；

通过各粗粒度特征层，对所述输电线路图像的特征进行分解，得到分别与各参考特征图大小一样的分解特征图；

通过各匹配门分别对一对分解特征图及参考特征图进行自适应融合，得到对应的四层粗粒度多分辨率层特征信息；

根据以下公式确定粗粒度多分辨率层特征信息：

G(X,Y)＝[F_mul(α^fine,X)+F_mul(1-α^fine,Y)]；

其中，G(X,Y)为匹配门函数，输出对应的粗粒度多分辨率层特征信息，X表示分解特征图，Y表示参考特征图；α^fine表示分解特征图X的控制矩阵，由控制中枢S生成；F_mul表示矩阵点积，用于自适应的控制融合过程；

根据所述粗粒度多分辨率层特征信息，基于细粒度交互金字塔，得到细粒度多分辨率层特征信息；

所述细粒度交互金字塔包括四层交互层，其中各交互层分别连接一个匹配门，且第i交互层分别与第i-1交互层，2≤i≤4；第i层交互层包括像素级过滤器、与像素级过滤器连接的点积模块、与匹配门连接的卷积模块，以及分别与点积模块、卷积模块及特征增强金字塔连接的匹配模块；

根据所述多分辨率层特征信息，基于细粒度交互金字塔，得到细粒度多分辨率层特征信息，具体包括：

根据第1粗粒度多分辨率层特征信息，基于第1交互层，得到第1细粒度多分辨率层特征信息；

针对第i层交互层，根据第i-1层交互层获得的第i-1细粒度多分辨率层特征信息，通过像素级过滤器，得到第i-1空间层位置细粒度注意力图谱；

根据以下公式，确定第i-1空间层位置细粒度注意力图谱W_i-1：

W_i-1＝Max[Tanh(M_i-1+Tanh(φ(M_i-1))*M_i-1),0]；

其中，W_i-1表示像素级过滤器对输入第i-1细粒度多分辨率层特征信息过滤后得到的第i-1空间层位置细粒度注意力图谱，Tanh表示激活函数，φ表示卷积函数；Max表示取最大值函数；

其中，确定空间层位置细粒度注意力图谱的过程可以通过神经网络学习到，在得到空间层位置细粒度注意力图谱W_i-1后，将其用于指导相邻层特征如公式：

P＝G(φ(M₊₁),F_mul(M₊₁,W))；

其中，P表示细粒度交互金字塔的输出，M₊₁表示相邻层特征；

通过对各个细粒度多分辨率层特征信息逐层利用像素级过滤器，提取相应的空间层位置细粒度注意力图谱；

根据第i-1空间层位置细粒度注意力图谱与第i多分辨率层特征信息，通过点积模块，得到第i点积信息；

根据第i多分辨率层特征信息，通过卷积模块，得到第i卷积信息；

根据所述第i点积信息及第i卷积信息，通过匹配模块，得到第i细粒度多分辨率层特征信息；将各细粒度多分辨率层特征信息发送至特征增强金字塔；

根据所述细粒度多分辨率层特征信息，基于特征增强金字塔，得到增强特征图像；

根据增强特征图像，确定待测输电线路的缺陷类别及缺陷位置。